论文部分内容阅读
口腔锥形束 CT(cone beam computed tomography,CBCT)具有成像清晰、辐射剂量低的特点,在牙科疾病和牙齿问题的研究中已成为必不可少的影像学技术。在计算机辅助分析中,对口腔CBCT图像单颗牙齿的精确、自动分割是进行临床决策和制定治疗计划的关键。分割后单颗牙齿的三维重建在数字化正畸仿真中也起着重要作用。从单颗牙齿的结构上分析,牙齿由牙釉质、牙本质、牙髓等组成。分割并了解牙齿各部分的形态结构,对牙齿健康的深入认识以及根管治疗具有重要意义。然而,牙齿和牙槽骨灰度相近、相邻牙齿边界模糊,使得单颗牙齿分割困难。而牙釉质、牙本质和牙髓结构小、它们之间和之内灰度不均匀形成了分割牙齿结构的挑战。本文旨在解决这些分割难点,实现单颗牙齿的分割及其组成结构的分割。本文的主要工作内容如下:(1)建立口腔CBCT图像数据集。目前没有公开的口腔CBCT图像数据集,而牙齿分割结果需要金标准进行对比评估。本文先对25例口腔CBCT图像采用全手动勾画方式生成牙齿金标准,用于单颗牙齿的分割研究。然后,我们利用单颗牙齿分割模型对剩余的24例口腔CBCT图像分割单颗牙齿,再使用少量人工勾画对分割结果进行修正,得到牙齿金标准。利用模型结合少量人工勾画的方法极大地提高了金标准生成的效率,有效地扩增牙齿数据集。(2)基于 3D 多任务全卷积网络(fully convolutional network,FCN)的口腔CBCT图像单颗牙齿自动分割。本文利用多任务FCN预测牙齿区域和牙齿表面。通过牙齿区域概率图得到牙齿的前景和背景标记,然后将牙齿概率梯度图和牙齿表面概率图的加权结果作为输入图像,使用标记分水岭变换(marker-controlled watershed,MWT)实现单颗牙齿的自动分割。实验使用25例口腔CBCT图像数据。提出的分割模型取得的Dice相似系数、Jaccard系数、相对体积误差分别为0.936(±0.012),0.881(±0.019)和 0.072(±0.027),而平均对称表面距离为 0.363(±0.145)mm。实验取得令人满意的视觉分割效果。实验结果表明多任务FCN结合MWT的方法能够实现口腔CBCT图像各种类型牙齿的自动分割;能够处理具有金属伪影的口腔CBCT图像的牙齿分割;而且,能够分割非开咬合状态的牙齿。(3)基于Ostu算法的牙齿结构自动分割。本文在分割单颗牙齿的实验结果基础上,使用Ostu算法为核心算法。首先,该算法分割牙釉质,将单颗牙齿去除牙釉质后,剩余结构继续使用Ostu算法阈值化,分割牙髓和牙本质。该方法取得较有希望的实验效果。